Гистограмма matlab: Построение гистограмм MatLab

Содержание

5.2.2. Гистограмма

Гистограмма – это фигура , контур которой является оценкой генеральной плотности вероятности. Гистограмма строится следующим образом. Весь интервал выборочных значенийделится на некоторое количество непересекающихся интервалов длиной, , и подсчитывается количество выборочных значений , попавших в-й интервал. Если на каждом интервале как на основании построить прямоугольник высотой

,

то мы получим фигуру, которая называется гистограммой. Вид гистограммы приведен на рис. 5.2. Гистограмма является состоятельной оценкой генеральной плотности вероятности при увеличении объема выборки и числа интервалов, если только при этом стремится к нулю максимальная из длин интервалов разбиения.

Существуют два способа построения гистрограммы.

1. Равноинтервальный способ. Выбирают количество интервалов l, а длину каждого интервала определяют по формуле

. (5.1)

2. Равновероятный способ. Выбирают количество выборочных значений , попавших в каждый интервал. Объем выборки должен быть кратен. Тогда число интервалов, и интервалы будут следующими:,, …,, где–i-я порядковая статистика. При этом способе интервалы имеют различную длину и границы интервалов попадают на выборочные значения. Принято считать, что граничное значение делится поровну между двумя интервалами, т. е. значения попадает в левый интервал и– в правый. Понятно, что при этом в крайний левый интервал попадаетзначений, в крайний правый –значений, а в средние интервалы – позначений.

Рис. 5.2. Гистограмма

5.3. Средства Matlab для получения и исследования оценок законов распределения скалярных случайных величин

Для моделирования выборок из различных распределений используются программы, описанные в лабораторной работе №3.

Для моделирования различных плотностей вероятности и функций распределения используются программы, описанные в лабораторной работе №1. Опишем также программы для получения и отображения на экран оценок законов распределения.

5.3.1. Сортировка в Matlab

y=sort(x) сортирует элементы вектора x=(x₁,x₂,…,x_n) в возрастающем порядке. Здесь x – исходный вектор, y – отсортированный вектор. В случае когда x – матрица, функция y=sort(x) сортирует каждый столбец x в возрастающем порядке.

y=sort(x,d) сортирует матрицу x вдоль измерения d.

[y,i]=sort(x,

d) возвращает также индексную матрицу i. Если x – вектор, то элементы индексной матрицы указывают номера элементов вектора y в исходном векторе x.

Программа сортировки используется для формирования вариационного ряда из имеющейся выборки.

5.3.2. Лестничные графики в Matlab

stairs(y) строит лестничный (ступенчатый) график по значениям элементов вектора y.

stairs(x,y) строит лестничный график по значениям элементов вектора y в точках скачков, определенных в x. Значения x должны располагаться в возрастающем порядке.

Функция stairs(x,y) используется для получения и графического отображения эмпирической функции распределения. В этом случае

x – вариационный ряд, а .

5.3.3. Гистограммы в Matlab

n=hist(y)распределяет элементы вектораyв 10 интервалов одинаковой длины(5.1) и возвращает количество элементов, попавших в каждый интервал, в виде вектораn. Еслиy– матрица, тоhistработает со столбцами.

n=hist(y,l),гдеl –скаляр, используетlинтервалов одинаковой длины (5.1).

n=hist(y,x), гдеx– вектор, возвращает количество элементов вектораy, попавших в интервалы с центрами, заданными векторомx. Число интервалов в этом случае равно числу элементов вектораx.

[n,x]=hist(…)возвращает числа попаданий в интервалы (в вектореn), а также положения центров интервалов (в вектореx).

hist(…)строит гистограмму без возвращения параметров, т. е. строит прямоугольники высотой

,

где – число элементов, попавших в-й интервал,.

Функция histиспользуется для получения и отображения гистограммы.

Перистимульная временная гистограмма Диаграмма График MATLAB, Предварительная обработка данных, фиолетовый, синий, угол png

Перистимульная временная гистограмма Диаграмма График MATLAB, Предварительная обработка данных, фиолетовый, синий, угол png

теги

• фиолетовый,
• синий,
• угол,
• текст,
• прямоугольник,
• другие,
• график,
• поле Trip,
• r,
• красный,
• график рассеяния,
• квадрат,
• стандартное отклонение,
• площадь,
• отображение цветов,
• диаграмма,
• линия,
• гистограмма,
• gnu Octave,
• fieldtrip,
• предварительная обработка данных,
• mATLAB,
• png,
• прозрачный,
• бесплатная загрузка

Об этом PNG

Размер изображения

930x930px

Размер файла

71. 8KB

MIME тип

Image/png

Скачать PNG ( 71.8KB )

изменить размер PNG

ширина(px)

высота(px)

Лицензия

Некоммерческое использование, DMCA Contact Us

• разные цвета доски, инфографическая информация диаграммы, диаграмма PPT, метка, текст, прямоугольник png 2903x2693px 250.83KB
• Границы и рамки Документ, границы газеты, границы, разное, угол png 768x1024px 6.01KB
• Иконка Диаграмма инфографики, элемент Creative PPT, иллюстрация пяти разных цветов, угол, компьютерная графика 3D, текст png 1318x1439px 19.9KB

синяя, красная, фиолетовая и желтая границы, евклидово абстрактное искусство, красочный технологический фон, фиолетовый, синий, угол png 1200x1440px 1.

11MB

разноцветная гистограмма, гистограмма статистика график функции диаграмма, рынок, Разное, угол, текст png 1240x500px 131. 32KB

красный круг, нарисованный вручную, полый круг, круглая красная иллюстрация, Акварельная живопись, текст, прямоугольник png 1501x1501px 97. 42KB

ступенька иллюстрация, инфографика, стрелка лестницы, шаблон, угол, текст png 945x752px 106. 93KB

Линейный график, график тренда Синяя линия, синий, угол, текст png 4119x2412px 163. 69KB

Как построить гистограмму в Python с помощью Matplotlib — Data to Fish

Вы можете использовать следующий шаблон для построения гистограммы в Python с помощью Matplotlib:

 import matplotlib.pyplot as plt

х = [значение1, значение2, значение3,....]
plt.hist(x, bins=количество бинов)
plt.show()
 

Далее вы увидите полные шаги по построению гистограммы в Python на простом примере.

Действия по построению гистограммы в Python с использованием Matplotlib

Шаг 1. Установите пакет Matplotlib

Если вы еще этого не сделали, установите пакет Matplotlib с помощью следующей команды (под Windows):

 pip install matplotlib
 

Вы можете обратиться к следующему руководству за инструкциями по установке пакета в Python.

Шаг 2: Соберите данные для гистограммы

Например, предположим, что у вас есть следующие данные о возрасте 100 человек:

Позже вы увидите, как построить гистограмму на основе приведенных выше данных.

Шаг 3: Определите количество бинов

Затем определите количество бинов, которые будут использоваться для гистограммы.

Для простоты установите количество бинов равным 10. В конце этого руководства вы увидите другой способ получения бинов.

Шаг 4. Постройте гистограмму в Python с помощью matplotlib

Наконец, постройте гистограмму на основе следующего шаблона:

 import matplotlib.pyplot as plt

х = [значение1, значение2, значение3,....]
plt.hist(x, bins=количество бинов)
plt.show()
 

Для нашего примера:

 импортировать matplotlib.pyplot как plt

х = [1, 1, 2, 3, 3, 5, 7, 8, 9, 10,
     10, 11, 11, 13, 13, 15, 16, 17, 18, 18,
     18, 19, 20, 21, 21, 23, 24, 24, 25, 25,
     25, 25, 26, 26, 26, 27, 27, 27, 27, 27,
     29, 30, 30, 31, 33, 34, 34, 34, 35, 36,
     36, 37, 37, 38, 38, 39, 40, 41, 41, 42,
     43, 44, 45, 45, 46, 47, 48, 48, 49, 50,
     51, 52, 53, 54, 55, 55, 56, 57, 58, 60,
     61, 63, 64, 65, 66, 68, 70, 71, 72, 74,
     75, 77, 81, 83, 84, 87, 89, 90, 90, 91
     ]

plt.hist(x, интервалы=10)
plt.show()
 

Запустите код, и вы получите гистограмму.

При необходимости вы можете изменить стиль гистограммы. Один из способов стилизовать гистограмму — добавить следующий синтаксис в конец кода:

 plt. style.use('ggplot')
 

Для нашего примера:

 импортировать matplotlib.pyplot как plt

х = [1, 1, 2, 3, 3, 5, 7, 8, 9, 10,
     10, 11, 11, 13, 13, 15, 16, 17, 18, 18,
     18, 19, 20, 21, 21, 23, 24, 24, 25, 25,
     25, 25, 26, 26, 26, 27, 27, 27, 27, 27,
     29, 30, 30, 31, 33, 34, 34, 34, 35, 36,
     36, 37, 37, 38, 38, 39, 40, 41, 41, 42,
     43, 44, 45, 45, 46, 47, 48, 48, 49, 50,
     51, 52, 53, 54, 55, 55, 56, 57, 58, 60,
     61, 63, 64, 65, 66, 68, 70, 71, 72, 74,
     75, 77, 81, 83, 84, 87, 89, 90, 90, 91
     ]

plt.style.use('ggplot')
plt.hist(x, интервалы=10)
plt.show()
 

Запустите код, и вы получите стилизованную гистограмму.

При желании вы можете получить перекос в Python с помощью библиотеки scipy следующим образом:

 из scipy.stats import skew

х = [1, 1, 2, 3, 3, 5, 7, 8, 9, 10,
     10, 11, 11, 13, 13, 15, 16, 17, 18, 18,
     18, 19, 20, 21, 21, 23, 24, 24, 25, 25,
     25, 25, 26, 26, 26, 27, 27, 27, 27, 27,
     29, 30, 30, 31, 33, 34, 34, 34, 35, 36,
     36, 37, 37, 38, 38, 39, 40, 41, 41, 42,
     43, 44, 45, 45, 46, 47, 48, 48, 49, 50,
     51, 52, 53, 54, 55, 55, 56, 57, 58, 60,
     61, 63, 64, 65, 66, 68, 70, 71, 72, 74,
     75, 77, 81, 83, 84, 87, 89, 90, 90, 91
     ]

печать (перекос (х))
 

После запуска кода на Python вы получите следующий перекос:

 0,4575278444409153
 

Дополнительный способ определения количества бинов

Первоначально для простоты вы установили количество бинов равным 10.

В качестве альтернативы можно получить бины, используя следующие формулы:

• n = количество наблюдений
• Диапазон = максимальное значение – минимальное значение
• Количество интервалов =  √n
• Ширина интервалов = Диапазон / (Количество интервалов)

Затем эти формулы можно использовать для создания таблицы частот, за которой следует гистограмма.

Напомним, что наш набор данных содержал следующие 100 наблюдений:

Используя наши формулы:

• n = количество наблюдений = 100
• Диапазон = максимальное значение – минимальное значение = 91 – 1 = 90
• Количество интервалов = √n = √100 = 10
• Ширина интервалов = Диапазон / (Количество интервалов) = 90/10 = 9

На основе этой информации таблица частот будет выглядеть следующим образом:

Обратите внимание, что начальная точка для первого интервала равна 0, что очень близко к минимальному наблюдению 1 в нашем наборе данных. Если, например, в другом наборе данных минимальное наблюдение было равно 20, то начальная точка для первого интервала должна быть 20, а не 0.

значения, выделенные синим цветом, а не конкретное число (например, 10, которое мы использовали ранее). Не забудьте включить последнее значение 99.

Вот как будет выглядеть код Python:

 import matplotlib.pyplot as plt

х = [1, 1, 2, 3, 3, 5, 7, 8, 9, 10,
     10, 11, 11, 13, 13, 15, 16, 17, 18, 18,
     18, 19, 20, 21, 21, 23, 24, 24, 25, 25,
     25, 25, 26, 26, 26, 27, 27, 27, 27, 27,
     29, 30, 30, 31, 33, 34, 34, 34, 35, 36,
     36, 37, 37, 38, 38, 39, 40, 41, 41, 42,
     43, 44, 45, 45, 46, 47, 48, 48, 49, 50,
     51, 52, 53, 54, 55, 55, 56, 57, 58, 60,
     61, 63, 64, 65, 66, 68, 70, 71, 72, 74,
     75, 77, 81, 83, 84, 87, 89, 90, 90, 91
     ]

plt.hist(x, bins=[0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 99])
plt.show()
 

Запустите код, и вы получите гистограмму.

Вы заметите, что гистограмма похожа на ту, которую вы видели ранее с положительным перекосом.

Гистограммы Matplotlib

❮ Предыдущая Далее ❯

Гистограмма

Гистограмма представляет собой график, показывающий распределений частот .

Это график, показывающий количество наблюдений в каждом заданном интервале.

Пример: Скажем, вы запрашиваете высоту 250 человек, вы может получиться такая гистограмма:

Из гистограммы видно, что примерно:

2 человека ростом от 140 до 145 см
5 человек ростом от 145 до 150 см
15 человек ростом от 151 до 156 см
31 человек от 157 до 162 см
46 человек от 163 до 168 см
53 люди от 168 до 173 см
45 человек от 173 до 178 см
28 человек от 179 до 184 см
21 человек от 185 до 19 лет0 см
4 человека от 190 до 195 см

Создать гистограмму

В Matplotlib мы используем функцию hist() для создавать гистограммы.

Функция hist() будет использовать массив числа для создания гистограммы, массив отправляется в функцию как аргумент.

Для простоты мы используем NumPy для случайной генерации массива с 250 значениями, где значения будут сосредоточены вокруг 170, а стандартное отклонение равно 10. Узнайте больше о обычных данных Распределение в нашем машинном обучении Руководство.

Пример

Нормальное распределение данных с помощью NumPy:

импортировать numpy как np

x = np.random.normal(170, 10, 250)

print(x)

Результат:

Это сгенерирует случайный результат и может выглядеть так:

  [167,62255766 175,32495609 152,84661337 165,50264047 163,17457988
   162,29867872 172,83638413 168,67303667 164,57361342 180,81120541
   170,57782187 167,53075749 176,15356275 176,95378312 158,4125473
   187,8842668 159.03730075 166,69284332 160,73882029 152,22378865
   164.01255164 163.95288674 176.58146832 173.19849526 169.40206527
   166,88861903 149, 
576 148,3
43 177,
 066 166,72462233
   177,44776004 170,93335636 173,26312881 174,76534435 162,28791953
   166,77301551 160,53785202 170,67972019 159,11594186 165,36992993
   178,38979253 171,52158489 173,32636678 159,63894401 151,95735707
   175,71274153 165,00458544 164,80607211 177,50988211 149,28106703
   179,43586267 181,98365273 170,98196794 179. 1093176 176,91855744
   168,32092784 162,33939782 165,18364866 160,52300507 174,14316386
   163.01947601 172.01767945 173.33491959 169.75842718 198.04834503
   192,82490521 164,54557943 206,36247244 165,47748898 195,26377975
   164.37569092 156.15175531 162.15564208 179.34100362 167.22138242
   147,23667125 162,86940215 167,84986671 172,99302505 166,77279814
   196,6137667 159,7
41 166,5840824 170,68645637 165,62204521
   174,5559345 165,0079216 187,92545129 166,86186393 179,78383824
   161,0973573 167.448
 157.38075812 151.35412246 171.3107829
   162,57149341 182,49985133 163,24700057 168,72639903 169,05309467
   167,19232875 161,06405208 176,87667712 165,48750185 179,68799986
   158,7913483 170,22465411 182,66432721 173,5675715 176,85646836
   157,31299754 174,88959677 183,78323508 174,36814558 182,55474697
   180.03359793 180.53094948 161.09560099 172.29179934 161.22665588
   171,88382477 159,04626132 169,43886536 163,75793589 157,73710983
   174,68921523 176,19843414 167,39315397 181. 17128255 174.2674597
   186.05053154 177.06516302 171.78523683 166.14875436 163.31607668
   174.01429569 194.98819875 169.75129209 164.25748789 180.25773528
   170,44784934 157,81966006 171,33315907 174,71390637 160,55423274
   163,92896899 177,29159542 168,30674234 165,42853878 176,46256226
   162,61719142 166,60810831 165,83648812 184,83238352 188,99833856
   161.3054697 175.30396693 175.28109026 171.54765201 162.08762813
   164,53011089 189,86213299 170,83784593 163,25869004 198,68079225
   166,95154328 152,03381334 152,25444225 149,75522816 161,79200594
   162.13535052 183.37298831 165.40405341 155.59224806 172.68678385
   179,35359654 174,19668349 163,46176882 168,26621173 162,97527574
   192,80170974 151,29673582 178,65251432 163,17266558 165,11172588
   183.11107905 169.69556831 166.35149789 178.74419135 166.28562032
   169,96465166 178,24368042 175,3035525 170,16496554 158,80682882
   187.10006553 178.90542991 171.65790645 183.19289193 168.17446717
   155,84544031 177,96091745 186. 28887898 187.89867406 163.26716924
   169,71242393 152,9410412 158,68101969 171,12655559 178,1482624
   187,45272185 173,02872935 163,8047623 169,95676819 179,36887054
   157.01955088 185.58143864 170.1
01 157.221245 168.90639755
   178.7045601 168.64074373 172.37416382 165.61890535 163.40873027
   168,98683006 149,48186389 172,20815568 172,82947206 173,71584064
   189,42642762 172,79575803 177,00005573 169,24498561 171,55576698
   161.36400372 176.47928342 163.02642822 165.09656415 186.70951892
   153,279
 165,59289527 180,34566865 189,19506385 183,10723435
   173,48070474 170,28701875 157,24642079 157,9096498 176,4248199 ]
 

Попробуйте сами »

Функция hist() прочитает массив и создаст гистограмму:

Пример

Простая гистограмма:

импортировать matplotlib.pyplot как plt
импортировать numpy как np

x = np.random.normal(170, 10, 250)

plt. hist(x)
plt.show()

Результат:

Попробуйте сами »

❮ Предыдущая Следующий ❯

ВЫБОР ЦВЕТА

Лучшие учебники

9008 900 Справочник Справочник по HTML
Справочник по CSS
Справочник по JavaScript
Справочник по SQL
Справочник по Python
Справочник по W3.CSS
Справочник по Bootstrap
Справочник по PHP
Цвета HTML
Справочник по Java
Справочник по Angular
Справочник по jQuery